- •1.Случайные события. Достоверное и невозможное события. Совместимые, несовместимые и противоположные события.
- •2.Определение классической вероятности. Полная группа событий, элементарные события.
- •3.Статистическое определение вероятности. Частота события.
- •4.Основные формулы комбинаторики. Размещения, сочетания и перестановки.
- •5.Теорема сложения вероятностей совместимых событий. Сумма и произведение событий.
- •6.Теорема умножения вероятностей. Зависимые и независимые события, условная вероятность.
- •7. Теорема сложения вероятностей несовместимых событий. Сумма событий.
- •8.Формула полной вероятности. Произведение событий. Формула Байеса.
- •9.Понятие св. Дискретные и непрерывные св.
- •10.Закон распределения дискретной св. Примеры.
- •11.Функция распределения св и ёё свойства.
- •12.Мат.Ожидание дсв. Теорема о мат.Ожидании.
- •13. Свойства мат.Ожидания дсв.
- •18.Плотность вероятности нсв и её свойства.
- •19.Мат.Ожидание,дисперсия и среднее квадратическое отклонение нсв
- •20 Биноминальное распределение
- •21.Геометрическое распределение
- •22.Равномерное распределение непрерывной случайной величины
- •24.Закон нормального распределения
- •26.Основные понятия многомерных св.
- •27.Закон распределения вероятностей двумерной дсв.
- •28.Функция распределения двумерной св и её свойства.
- •33.Генеральная и выборочная совокупности.
- •34.Повторная и бесповторная выборки. Репрезентативная выборка.
- •35.Способы отбора в выборочную совокупность.
- •36.Стат.Распределение выборки или вариационный ряд.
- •37.Эмпирическая функция распределения и её свойства.
- •38.Графическое представление выборки. Полигон и гистограмма.
- •39. Стат.Оценки параметров распределения. Несмещенные, эффективные и состоятельные оценки.
- •40.Генеральная и выборочная средняя.
- •41.Генеральная и выборочная дисперсия.
- •42.Оценка генеральной дисперсии по исправленной выборочной дисперсии.
- •43.Вычисление числовых характеристик вариационного ряда с помощью условных вариант.
- •44.Метод моментов для оценки вариационного ряда.
- •45.Метод наибольшего правдоподобия для оценки параметров распределения.
- •46. Метод наибольшего правдоподобия для биноминального распределения
- •47. Метод наибольшего правдоподобия для пуассоновского распределения
- •48.Показательный (экспоненциальный) закон распределения
- •49.Интервальные оценки числовых характеристик
24.Закон нормального распределения
Непрерывная случайная величина называется распределенной по нормальному закону, если ее плотность распределения имеет вид: Замечание. Таким образом, нормальное распределение определяется двумя параметрами: а и σ. График плотности нормального распределения называют нормальной кривой (кривой Гаусса). Выясним, какой вид имеет эта кривая, для чего исследуем функцию 1) Область определения этой функции: (-∞, +∞). 2) f(x) > 0 при любом х (следовательно, весь график расположен выше оси Ох). и3) то есть ось Ох служит горизонтальной асимптотой графика при 4) при х = а; при x > a, при x < a. Следовательно, - точка максимума. 5) F(x – a) = f(a – x), то есть график симметричен относительно прямой х = а.
6) при , то есть точки являются точками перегиба.
Примерный вид кривой Гаусса изображен на рис.1. х Найдем вид функции распределения для нормального закона:
Перед нами так называемый «неберущийся» интеграл, который невозможно выразить через элементарные функции. Поэтому для вычисления значений F(x) приходится пользоваться таблицами. Они составлены для случая, когда а = 0, а σ = 1. Определение 6.2. Нормальное распределение с параметрами а = 0, σ = 1 называется нормированным, а его функция распределения функцией Лапласа. Замечание. Функцию распределения для произвольных параметров можно выразить через функцию Лапласа, если сделать замену: , тогда . Найдем вероятность попадания нормально распределенной случайной величины на заданный интервал: Пример. Случайная величина Х имеет нормальное распределение с параметрами а = 3, σ = 2. Найти вероятность того, что она примет значение из интервала
Решение. Правило «трех сигм». Найдем вероятность того, что нормально распределенная случайная величина примет значение из интервала (а - 3σ, а + 3σ):
Следовательно, вероятность того, что значение случайной величины окажется вне этого интервала, равна 0,0027, то есть составляет 0,27% и может считаться пренебрежимо малой. Таким образом, на практике можно считать, что все возможные значения нормально распределенной случайной величины лежат в интервале (а - 3σ, а + 3σ).
Полученный результат позволяет сформулировать правило «трех сигм»: если случайная величина распределена нормально, то модуль ее отклонения от х = а не превосходит 3σ.
25.Распределения «хи-квадрат», Стьюдента и Фишера.. Распределение «хи-квадрат».
Пусть имеется несколько нормированных нормально распределенных случайных величин: Х1, Х2,…, Хп (ai = 0, σi =1). Тогда сумма их квадратов тогда сумма их квадратов является случайной величиной, распределенной по так называемому закону «хи-квадрат» с k = nстепенями свободы; если же слагаемые связаны каким-либо соотношением (например, ), то число степеней свободы k = n – 1. Плотность этого распределения Здесь - гамма-функция; в частности, Г(п + 1) = п! .
Следовательно, распределение «хи-квадрат» определяется одним параметром – числом степе-ней свободы k.
.Распределение Стьюдента. Рассмотрим две независимые случайные величины: Z, имеющую нормальное распределение и нормированную (то есть М( Z) = 0, σ( Z) = 1), и V, распределенную по закону «хи-квадрат» с k степенями свободы. Тогда величина имеет распределение, называемое t – распределением или распределением Стьюдента с k степенями свободы. С возрастанием числа степеней свободы распределение Стьюдента быстро приближается к нормальному. Распределение F Фишера – Снедекора. Рассмотрим две независимые случайные величины Uи V, распределенные по закону «хи-квадрат» со степенями свободы k1 и k2 и образуем из них новую величину . Ее распределение называют распределением F Фишера – Снедекора со степенями свободы k1 и k2. Плотность его распределения имеет вид
где . Таким образом, распределение Фишера определяется двумя параметрами – числами степеней свободы.